写一个python程序读取CSV，并采用平均值的方式将NAN值进行填充

假设我们有一个名为 `data.csv` 的 CSV 文件，包含了一些数据，其中可能存在一些缺失值。我们可以使用 pandas 库来读取该文件，并采用平均值的方式来填充缺失值。具体的代码如下：

import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('data.csv')

# 计算每列的平均值
mean_values = df.mean()

# 使用平均值填充缺失值
df.fillna(mean_values, inplace=True)

# 输出填充后的结果
print(df)

在上面的代码中，我们首先使用 pandas 库的 `read_csv()` 函数读取了 CSV 文件，并将其存储在变量 `df` 中。然后，我们使用 `mean()` 函数计算了每列的平均值，并将其存储在变量 `mean_values` 中。最后，我们使用 `fillna()` 函数将缺失值填充为对应列的平均值，并将修改后的 DataFrame 存储回 `df` 中。最终，我们使用 `print()` 函数输出填充后的结果。

需要注意的是，如果某列中的所有值都是缺失值，那么该列的平均值将为 NaN，此时我们无法采用平均值的方式来填充缺失值。在这种情况下，我们可以考虑使用中位数、众数等方法来填充缺失值。